ValueError:检查输入时出错:要求dense_18_input具有形状(784，)，但得到形状为(1，)的数组
这个错误信息表明你在使用某个机器学习模型时，输入数据的形状不符合模型的预期。具体来说，模型期望的输入形状是 (784,)，但实际得到的输入形状是 (1,)。
基础概念
在机器学习中，输入数据的形状（shape）是非常重要的。它定义了数据的结构和维度。例如，一个形状为 (784,) 的数组表示一个包含 784 个元素的一维数组，而形状为 (1,) 的数组表示一个只包含一个元素的一维数组。
可能的原因
- 数据预处理错误：在将数据输入模型之前，可能没有正确地重塑或归一化数据。
- 数据集问题：数据集本身可能包含不一致的形状，导致某些样本的形状不符合预期。
- 模型定义问题：模型的输入层可能定义了错误的形状。
解决方法
以下是一些可能的解决方法：
1. 检查数据预处理
确保在将数据输入模型之前，正确地重塑数据。例如，如果你有一个形状为 (28, 28) 的图像，你需要将其展平为一个形状为 (784,) 的一维数组。
import numpy as np
# 假设 img 是一个形状为 (28, 28) 的图像
img = np.random.rand(28, 28)
flattened_img = img.flatten() # 将其展平为形状为 (784,) 的数组2. 检查数据集
确保数据集中的所有样本都具有相同的形状。
for img in dataset:
if img.shape != (28, 28):
print(f"Shape mismatch: {img.shape}")3. 检查模型定义
确保模型的输入层定义了正确的形状。
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
model = Sequential()
model.add(Dense(64, input_shape=(784,), activation='relu'))
model.add(Dense(10, activation='softmax'))示例代码
以下是一个完整的示例，展示了如何正确地预处理数据并定义模型：
import numpy as np
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
# 假设我们有一个形状为 (28, 28) 的图像
img = np.random.rand(28, 28)
flattened_img = img.flatten() # 将其展平为形状为 (784,) 的数组
# 定义模型
model = Sequential()
model.add(Dense(64, input_shape=(784,), activation='relu'))
model.add(Dense(10, activation='softmax'))
# 编译模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
# 假设我们有一个形状为 (n_samples, 784) 的数据集
X_train = np.random.rand(100, 784)
y_train = np.random.randint(0, 10, (100,))
# 训练模型
model.fit(X_train, y_train, epochs=5)参考链接
通过以上步骤，你应该能够解决 ValueError: 检查输入时出错:要求dense_18_input具有形状(784，)，但得到形状为(1，)的数组 这个问题。
相关·内容
2回答
我正在建立我的第一个神经网络与煤角和坦索弗洛。我把输入输入到一个形状数组(60000，28，28)中，但是当我试图将它输入到模型中时，我会得到一个错误，即输入形状是错误的。
我尝试了多个不同的输入形状，包括(60000，28，28) (1，28，28) (28，28) (28，28，1)，但它们似乎都没有工作。
model = kr.Sequential()
model.add(InputLayer(input_shape=(60000, 28, 28)))
model.add(Dense(units=784, activation='relu'))
model.add(De
浏览 1提问于2019-05-28得票数 0
回答已采纳
1回答
所以我在这里不知所措。我训练了我的模型，一切正常；但是当我尝试使用预测方法时，我得到了以下错误：
ValueError:在检查输入时出错:期望dense_1_input具有形状(64 )，但得到带有形状(1，)的数组
我觉得很奇怪，因为我给的输入是(64，)，我甚至用cli返回了这个形状
print(type(test_x[0]))
print(test_x[0].shape)
回传
<class 'numpy.ndarray'>
(64，)
在我看来，当我使用
print(str(np.argmax(model.predict(test_x
浏览 1提问于2021-08-10得票数 0
回答已采纳
1回答
在训练我的MNIST分类网络之后，我想对测试数据进行“预测”，并得到关于测试输入的形状的以下错误
testimages = np.array(test)
print(testimages.shape)
> (28000, 784)
feed_dict = {x: [testimages]}
classification = sess.run(y, feed_dict)
ValueError:对于具有形状(尺寸(无)，维数( 784) )的张量u‘’Placeholder_2:0‘不能提供形状值(1,28000,784)
那么，它怎么可能是(28000,784) (它应该是)，但当输入到经
浏览 2提问于2016-04-30得票数 1
回答已采纳
1回答
使用
foo_ok = [(30, 784), (10, 30)]
foo_bad = [(10, 784), (10, 10)]
为什么
np.array([np.zeros(foo_ok[0]),np.zeros(foo_ok[1])])
边工作边工作
np.array([np.zeros(foo_bad[0]),np.zeros(foo_bad[1])])
结果：
ValueError:无法广播输入数组从形状(10,784)到形状(10)
基本上，我需要与表单foo = [(X, Z), (Y, X)]一起工作的东西，在这种情况下，可能是Y==X；但是，拥有Y==X会导致事情失败
浏览 4提问于2016-03-31得票数 4
回答已采纳
1回答
完成从RNN到RNN。
我在网上偶然发现了这个代码：
def buildModel(dataLength, labelLength):
height = Input(shape=(dataLength, 1), name="height")
weight = Input(shape=(dataLength, 1), name="weight")
heightLayers = LSTM(64, return_sequences=False)(height)
weightLayers = LSTM(64, return_seque
浏览 2提问于2017-11-07得票数 0
此错误是在我尝试运行训练步骤时生成的。数据集是Kaggle的MNIST数据集。我使用神经网络来预测手写数字：
输入数据:整形为[784, 33600]的[33600, 784]
神经网络架构：
第1层具有W1 1000 x 784 relu
第2层具有W2 1000 x 1000 relu
第3层有1000个版本的W3 500
第4层具有W4 200 x 500 relu
第5层的W5为10 x 200，支持softmax
*不使用偏差
代码：
print(X_train[:, 0].reshape(-1, 1).shape," ",y_train[:,0].reshape
浏览 0提问于2019-04-04得票数 0
我正试图预测事先训练好的机器翻译模型
但是我得到了错误，我无法解决或找到合适的答案。
似乎每个人都会犯这个错误
码
model = load_model('model.h5')
single_x_test = ['how are you']
model.predict(np.array(single_x_test, ndmin=0))
ValueError:在检查输入时出错:期望embedding_1_input具有形状(4，但得到了形状(1，))
浏览 0提问于2020-03-04得票数 -1
trainX = trainX.reshape((trainX.shape[0],28*28)).astype('float32') trainy = trainy.reshape((trainy.shape[0],28*28)).astype('float32')
错误是- ValueError Traceback (最近一次调用) <ipython-input-91-537b84233ef5> in <module>() 1 trainX = trainX.reshape((trainX.shape[0],28*28)).astype
浏览 0提问于2021-01-19得票数 0
1回答
由于某种原因，numpy报告了没有行数的一维numpy数组的形状。一个包含784个元素的numpy数组的形状为：(784,)。这是一个问题，因为我使用的库期待一个正确的形状属性(例如(784, 1))。
如果我只有一个数组，我可以这样做：train_y = train_y.reshape((train_y.shape[0], 1)，但是有没有一种不用执行for-循环就可以重塑子数组的方法？我有一个有形状的数组
然而，(60000, 784)子数组的形状是(784,)，我希望它们是(784,1)。
浏览 2提问于2015-11-15得票数 0
回答已采纳
1回答
我有这个错误: ValueError:检查输入时出错:期望dense_1_input具有形状(6，)，但得到了形状(1，)的数组，但我的keras模型的输入层是model.add(Dense(units = 5，kernel_initializer = 'uniform'，activation = 'relu'，input_dim =6 )) so (6，) dimension，input is input = np.array(HeadX，HeadY，TailX，TailY，AppleX，AppleY，float)当我尝试用此输入测试我的模型时，我遇到了错误。
浏览 9提问于2020-05-17得票数 0
我有一个x_test数据： x_test.shape
Out[11]: (13096, 30)
x_test.size
Out[16]: 392880 当我启动预测时，它返回一个错误： ValueError:检查输入时出错:要求lstm_1_input具有3维，但得到形状为(13096，30)的数组 我的代码非常简单，我正在尝试运行预测函数： test_df= pd.read_csv("Path_data")
model = load_model.("path_model")
Xnew = np.array(test_df)
# make a predic
浏览 25提问于2020-06-24得票数 0
1回答
我用Keras的内置inception_resnet_v2训练CNN来识别图像.在训练模型时，我有一个数字数组作为输入，输入形状为(1000,299,299，3)，
model.fit(x=X, y=Y, batch_size=16, ...) # Output shape `Y` is (1000, 6), for 6 classes
一开始，当我试图预测时，我通过了一个形状的图像(299,299，3)，但是得到了误差。
ValueError:检查输入时出错:期望input_1有4个维，但得到了形状为(299,299，3)的数组
我重塑了我的投入：
x = np.reshape(x
浏览 1提问于2019-03-17得票数 2
回答已采纳
1回答
有人知道如何修复这个错误吗？我试着用重塑功能来解决它，但它仍然不起作用。我想用VGG16训练时尚-MNIST数据集，但我在维度上有一些困难……
我得到了这个错误：
Epoch 1/50
---------------------------------------------------------------------------
ValueError Traceback (most recent call last)
<ipython-input-84-51241dcc88e5> in <module&
浏览 0提问于2020-06-25得票数 0
model.evaluate()中存在错误，原因是ValueError:检查输入时出错: dense_input应为#具有2维，但得到形状为(10000，28，28)的数组 (X_train, y_train), (X_test, y_test) = fashion_mnist.load_data()
X_train = X_train / 255.0
X_test = X_test / 255.0
X_train = X_train.reshape(-1, 28*28)
X_train.shape
model = tf.keras.models.Sequential()
model
浏览 4提问于2019-12-08得票数 0
回答已采纳
我是个学生，正在学习带有角码的自动编码器。我使用mnist数据集作为输入(784个节点)，并将8个节点作为隐藏层。我想做的是任意调整隐藏层的值。但是当我把形状(8)的输入放在隐藏层中时，
ValueError:在检查输入时出错:期望input_2具有形状(8 )，但得到带有形状(1，)的数组
发生错误。我输入的矩阵是np.array(0，0，0，0，0，0，0，0，0)的形式，它显然是形状(8，)而不是(1,0)。
下面是代码的全文。请帮帮忙。谢谢。
from keras.layers import Input, Dense
from keras.models import Model
imp
浏览 1提问于2020-03-05得票数 1
回答已采纳
我有一个令人难以置信的简单算法，用"ValueError:当检查输入时出错:期望dense_4_input具有形状(无，5)但得到了与形状(5，1)的数组“.这是我正在运行的代码。
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense
x = np.array([[1],[2],[3],[4],[5]])
y = np.array([[1],[2],[3],[4],[5]])
x_val = np.arr
浏览 1提问于2017-10-21得票数 0
回答已采纳
从上面可以推断出，当我将一系列数据作为参数传递给线性回归模型时，它会抛出一个错误。
ValueError: Expected 2D array, got 1D array instead:
array=[2600 3000 3200 3600 4000].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.
浏览 4提问于2020-08-15得票数 1
回答已采纳
keras.layers.LSTM(150, activation='sigmoid',return_sequences=True,input_shape=(X_train.shape)),
keras.layers.Dropout(0.2),
上面是第一层(5793993，7，1)，这是输入的形状。
ValueError:在检查输入时出错:期望lstm_12_input具有形状(5793993，7)，但得到与形状(7，1)相同的数组
什么是修复这个tensorflow错误
浏览 2提问于2020-03-16得票数 0
如何修复输入数组以满足输入形状？
正如描述的那样，我试图转换输入数组，但是错误是相同的。
ValueError:检查输入时出错:期望dense_input具有形状(21 )，但得到与形状(1，)相同的数组
import tensorflow as tf
import numpy as np
model = tf.keras.models.Sequential([
tf.keras.layers.Dense(40, input_shape=(21,), activation=tf.nn.relu),
tf.keras.layers.Dropout(0.2),
tf.keras.la
浏览 0提问于2018-09-06得票数 7
回答已采纳
1回答
我正在挖出一段代码，有一行我一点也不懂：
W[:, :, None] * h[None, :, :] * diff[:, None, :]
其中W、h和diff为784×20、20x100和784×100矩阵。乘法结果是784x20x100数组，但我不知道这个计算实际上做了什么，结果的意义是什么。
值得注意的是，这条线来自机器学习相关代码，W对应于神经网络层的权值数组，h是层激活，diff是网络目标和假设的区别(从到自动编码器转换)。
浏览 3提问于2015-04-04得票数 3
回答已采纳
3回答
我正在制作一个MLP模型，它需要两个输入并产生一个输出。
我有两个输入数组(每个输入一个)和一个输出数组。该神经网络有1个隐层，2个神经元。每个数组有336个元素。
model0 = keras.Sequential([
keras.layers.Dense(2, input_dim=2, activation=keras.activations.sigmoid, use_bias=True),
keras.layers.Dense(1, activation=keras.activations.relu, use_bias=True),
])
# Compile the neural ne
浏览 0提问于2019-03-19得票数 27
回答已采纳
3回答
我试着训练灰色图像。batch_size = 32, image size = (48*48)。我定义了我的网络input_shape = (48,48,1)。当我训练网络时，我会遇到一个类似于下面的错误。
错误：
ValueError:检查输入时出错:期望conv2d_17_input有4个维，但得到了形状为(32、48、48)的数组
model.add(Conv2D(32, kernel_size=(5, 5),
activation='relu',
input_shape=(48,48,1)
浏览 0提问于2019-04-08得票数 3
回答已采纳
在把batch_xs给x的过程中，我重塑了batch_xs，因为BATCH_SIZE是1，这是我的来源。我不知道是什么造就了ValueError。
with tf.name_scope("input") as scope:
x = tf.placeholder(tf.float32, shape=[1, 784])
BATCH_SIZE = 1
DROP_OUT_RATE = 0.4
EPOCH = 1
MEMORIZE = 10
accuracy_array = []
loss = tf.nn.l2_loss(y - x) / BATCH_SIZE
train_st
浏览 3提问于2016-02-03得票数 2
我试图运行一个简单的网络来对MNIST进行分类：
network = models.Sequential()
network.add(layers.Dense(512, activation = 'relu', input_shape=(28 * 28,)))
network.add(layers.Dense(10, activation='softmax'))
当我试着适应：
network.fit(train_images, train_labels, epochs =5, batch_size = 128)
我知道这个错误：
检查输入时出错:期望dens
浏览 0提问于2019-08-31得票数 1
回答已采纳
中的错误: ValueError:在检查输入时出错:期望conv2d_input有4个维度，但是得到了形状为(60000、28、28)的数组。我不知道发生了什么，为什么
我需要四维？我肯定他们是28x28的图像。怎么办？
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
train_images = train_images/255
test_images = test_images/255
classes = ['0', '1', '2
浏览 4提问于2019-10-27得票数 1
回答已采纳
我是CNN的新手，我试图重塑一些图像以进行图像识别，但我一直收到一条错误信息，我不知道该如何修复。
library(keras)
reticulate::install_miniconda()
for (i in 1:10) {mypic[[i]] <- array_reshape(mypic[[i]], c(28,28,3))}
str(mypic)
我得到错误信息如下所示。
Error in py_call_impl(callable, dotsargs, dots#qcStackCode#keywords) :
ValueError:无法将大小为784的数组整形为形状(28,
浏览 0提问于2022-06-18得票数 0
我正试图预测事先训练好的机器翻译模型
但是我得到了错误，我无法解决或找到合适的答案。
似乎每个人都得到了这个错误
代码*
model = load_model('model.h5')
single_x_test = ['how are you']
model.predict(np.array(single_x_test, ndmin=0))
ValueError:在检查输入时出错:期望embedding_1_input具有形状(4 )，但得到带有形状(1，)的数组
浏览 2提问于2020-03-03得票数 0
classifier = Sequential()
classifier.add(Dense(6,kernel_initializer='random_uniform',activation='relu',input_dim=11))
classifier.add(Dense(6,kernel_initializer='random_uniform',activation='relu'))
classifier.add(Dense(1,activation='sigmoid'))
classifier.compil
浏览 4提问于2020-02-19得票数 0
1回答
多元时间序列二元分类的输入格式
、、、、
我试图使用LSTM模型对多变量时间序列数据进行二进制分类。我在一天中收集了7个属性，大约100天(即大小为9000，7的100个数组)。这些数组的单个分类状态为1或0。
我一开始尝试构建最简单的模型，因为我对Keras和机器学习( Machine )还不熟悉，但是当我尝试训练它们时，我总是会在输入形状方面出现错误。例如，我的第一层：
model = Sequential()
model.add(Conv2D(32, (3,3), input_shape=(9000,7,1), activation='relu'))
...
model.fit(x=X_train, y=Y_tr
浏览 0提问于2018-05-17得票数 1
回答已采纳
1回答
我正在将图像预处理成一个Numpy数组形状(28,28，3)。当我尝试拟合我的数据时，我得到了错误。如果我传递整个准备好的数据帧，我会得到错误ValueError: error when checking input:期望conv2d_20_input有4维，但得到形状为(360，1)的数组
当我传递单个值时，我得到的错误是:检查输入时出错:预期conv2d_16_input具有4维，但得到形状为(28，28，3)的数组
我试过重新处理数据。我已经尝试了单独的模型和1:1的训练，但仍然不起作用。
要预处理的代码
from tensorflow.python.keras.preprocessin
浏览 1提问于2019-03-24得票数 0
我有数据向量(1色)，我正在使用
def propup(self, vis):
pre_sigmoid_activation = numpy.dot(vis, self.W) + self.hbias
return sigmoid(pre_sigmoid_activation)
但我错了
ValueError:形状( 171，)和( 784 ,500)不对齐:171 (dim 0) != 784 (dim 0)
浏览 2提问于2017-12-12得票数 0
我有一个在MNIST上训练的模型，但是当我输入一个手工制作的图像样本时，它会引发ValueError:层顺序的输入0与层不兼容:输入形状的预期轴-1的值为784，但接收到的输入具有形状(无，1)。
我已经检查了模型的输入，它的形状与MNIST相同。x_train.shape (784年)和我的图像arr.shape (784年)请帮助！
..。
from tensorflow.keras.datasets import fashion_mnist
from tensorflow.keras.models import Sequential
from tensorflo
浏览 2提问于2021-02-13得票数 4
回答已采纳
当使用Python读取.mat格式数据并显示为plt时
import scipy.io as spio
import numpy as np
import matplotlib.pyplot as plt
digits = spio.loadmat('./data/digits.mat', squeeze_me=True)
X = digits['X']
plt.imshow(np.reshape(X[5,:],(16,16)), cmap='Greys')
plt.show()
它会引发一个错误：ValueError: cannot resh
浏览 6提问于2021-02-21得票数 0
回答已采纳
1回答
keras错误:期望看到一个数组
、、、、
所以我想建立一个lstm网络来运行我的数据，但是我得到了这样的信息：
ValueError:检查输入时出错:期望lstm_1_input具有形状(无，1)，但有形状数组(1,557)
这是我的密码：
x_train=numpy.array(x_train)
x_test=numpy.array(x_test)
x_train = numpy.reshape(x_train, (x_train.shape[0], 1, x_train.shape[1]))
x_test = numpy.reshape(x_test, (x_test.shape[0], 1, x_test.shape[1])
浏览 1提问于2020-02-04得票数 1
回答已采纳
1回答
我正在尝试加载一个Keras模型，并使用它进行预测，结果遇到了一个奇怪的错误。最起码的例子如下：
from keras import models
import numpy as np
model = models.load_model('model_4hiddenLayers_16unitsPerLayer_relu_learningRate0p0001.h5')
x = np.ones(36, dtype=float)
prediction = model.predict(x )
模型期望输入形状为(36，)，这应该是x的形状，我对此进行了验证：
print('x
浏览 0提问于2018-10-15得票数 2
1回答
我不能改变numpy数组的形状
dataset[i].shape # (1134, )
dataset[i] = dataset[i].reshape((18, 63))
ValueError: could not broadcast input array from shape (18,63) into shape (1134)
浏览 1提问于2020-12-16得票数 0
回答已采纳
(x_train, y_train), (x_test, y_test) = tf.keras.datasets.fashion_mnist.load_data()
x_train = x_train.astype('float32') / 255
x_test = x_test.astype('float32') / 255
x_train.shape #Shape is (60000, 28, 28)
然后以60k为样本，确定输入形状为28,28,1。
model2 = tf.keras.Sequential()
# Must define the inp
浏览 3提问于2020-01-29得票数 0
回答已采纳
简短的问题。为什么导致此行出错？：
x = tf.placeholder_with_default([0.0 for _ in range(784)], [None, 784], name='images')
我怎么才能修复它？提前谢谢。
出现以下错误：
ValueError: Shapes must be equal rank, but are 1 and 2 for 'images' (op: 'PlaceholderWithDefault') with input shapes: [784].
浏览 0提问于2017-11-06得票数 1
1回答
Keras输入尺寸设置
、、、、
我试着用keras训练一个LSTM模型，但我想我在这里出了点问题。
我有个错误
ValueError:检查输入时出错:期望lstm_17_input具有三维，但得到形状为(10000、0、20)的数组
虽然我的代码看起来像
model = Sequential()
model.add(LSTM(256, activation="relu", dropout=0.25, recurrent_dropout=0.25, input_shape=(None, 20, 64)))
model.add(Dense(1, activation="sigmoid"))
浏览 0提问于2018-01-07得票数 19
回答已采纳
我正在拿一张图片清单来训练我的CNN。
model = Sequential()
model.add(Dense(32, activation='tanh', input_dim=100))
model.add(Dense(1, activation='sigmoid'))
model.compile(optimizer='rmsprop',
loss='binary_crossentropy',
metrics=['accuracy'])
data, la
浏览 15提问于2019-08-20得票数 0
回答已采纳
1回答
如何修正期望密度模型中的值误差？
、、、、
我正在和Keras一起尝试深入学习。加载数据集后，我试图创建模型(培训和测试)。我的代码：
scaler = StandardScaler().fit(train)
train=scaler.transform(train)
test=scaler.transform(test)
# Creating Deep Model
model = Sequential()
# Add an input layer
model.add(Dense(12, activation='relu', input_shape=(11,)))
# Add one hidden layer
浏览 0提问于2019-08-11得票数 0
回答已采纳
所以，我有一个脚本，它应该把一个数字转换成一个数组，这样我就可以输入我的AI了。但是我用的一本书告诉我，要这样做：
img_array = scipy.misc.imread("picofannumber.png", flatten = True)
img_data = 255.0 - img_array.reshape(784)
所以，不工作，我想我的库太过时了，因为那是行不通的。所以我现在用这个：
img_array = imageio.imread("picofannumber.png", as_gray = True)
img_data = 255
浏览 6提问于2020-07-21得票数 0
回答已采纳
1回答
我使用Keras/TF的模型如下：
conv = Conv2D(4, 3, activation = None, use_bias=True)(inputs)
conv = Conv2D(2, 1, activation = None, use_bias=True)(conv)
model = Model(input = inputs, output = conv)
model.compile(optimizer=Adam(lr=1e-4), loss=keras.losses.mean_absolute_error)
在model.fit中，我收到一个错误：
ValueError:检
浏览 0提问于2019-01-02得票数 5
回答已采纳
我不知道如何把这个问题写成一个标题。但将展示一个例子，说明我在使用Tensorflow时需要帮助的地方。
举个例子：
matrix_1 shape = [4,2]
matrix_2 shape = [4,1]
matrix_1 * matrix 2
[[1,2],
[3,4],
[5,6],
[7,8]]
*
[[0.1],
[0.2],
[0.3],
[0.4]]
= [[0.1,0.2],
[0.6,0.8],
[1.5,1.8],
[2.8,3.2]]
有任何算法来实现这一点吗？
谢谢
这是我从上面简化的问题示例中得到的错误：
Valu
浏览 4提问于2017-04-14得票数 1
回答已采纳
我正在尝试用tensorflow后端在keras中训练一个预先训练过的inceptionv3模型。
我有一个训练数据集，大小为10,000张图片(299,299张)(它们是灰度)。我将其转换为tensorflow的输入形状为(10000,299,299,1)。当我试图拟合inceptionv3模型时，我得到了一个错误
ValueError:检查输入时出错:期望input_1具有形状(无，3)，但得到了形状数组(10000,2999,299，1)
我尝试更改张量的输入形状，使用
input_tensor = Input(shape=(299,299,1))
base_model = In
浏览 1提问于2017-06-30得票数 1
回答已采纳
1回答
我有一个三维数组A，形状(5774,15,100)和另一个一维数组B与形状(5774,)。我想要添加这些，以便得到另一个矩阵C和形状(5774,15,101)。
我使用hstack作为
C = hstack((A ,np.array(B)[:,None]))
我得到了以下错误，任何建议。
ValueError: could not broadcast input array from shape (5774,15,100) into shape (5774)
浏览 0提问于2018-10-10得票数 2
回答已采纳
1回答
self.model = Sequential()
self.model.add(Dense(units=20, input_dim=9))
self.model.add(Activation('relu'))
self.model.add(Dense(units=len(labels)))
self.model.add(Activation('softmax'))
self.model.compile(optimizer='sgd', # rmsprop
loss='categorical_cro
浏览 0提问于2017-07-24得票数 0
1.我有两个numpy数组，它们分别是data_test和data_train。
data_partial_test = data_test[:2000,:]
test_lable = label_test
print(test_lable.shape)
print(data_partial_test[0].shape)
print(data_train[0].shape)
dis = (( data_partial_test- data_train[:21000,])**2).sum(axis=1)
2. data_test为(21000,78
浏览 1提问于2020-10-06得票数 0
回答已采纳
我正在玩一些深入学习，凯拉斯一直是我的选择，因为它的简单。
我为二进制分类构建了一个简单的多层感知器模型，并将其用于输入数据(与我对其他ML模型使用的模型相同，这些模型工作正常)。
下图显示了模型摘要：
第一层稠密层的定义如下：
model.add(Dense(18, input_dim=len(X_encoded.columns), activation = "relu", kernel_initializer="uniform"))
当我试图对这样的循环进行预测时：
for vals in X_encoded.values:
print(&
浏览 0提问于2019-08-27得票数 2
回答已采纳
1回答
我一直在尝试在我的数据上重用的想法。但是，我遇到了这个错误：
"ValueError:检查输入时出错:要求lstm_16_input具有3维，但得到形状为(8，4)的数组“
我想要运行的是：
def main():
#X, Y = load_data()
X, Y = load_file()
print("------")
print(X)
print(X.shape)
print(type(X))
print("------")
print(Y)
print(Y.shape
浏览 0提问于2019-10-22得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
